Ergenlik ve Gençlikte Din

Para modelagem de agentes é necessário a definição de uma arquitetura. Segundo Maes (1991 p. 115), a arquitetura de agente pode ser definida como:

“Uma metodologia particular para construir agentes. Ela especifica como o agente pode ser decomposto na construção de um conjunto de módulos e como esses módulos devem interagir. O conjunto total de módulos e suas interações respondem como os dados de entrada e seu estado interno determinam as ações e o estado interno futuro dos agentes”.

Para Kaelblining (1991, p. 86) uma arquitetura é: “Uma coleção específica de software (ou hardware) e módulos, normalmente designado por caixas com setas indicando o fluxo de dados e controle entre os módulos”.

Müller (1999) classifica as arquiteturas dos agentes em quatro tipos: agentes reativos, agentes deliberativos, agentes de interação, agentes híbridos. Estas arquiteturas são oriundas dos estudos da Inteligência Artificial dos anos 90. Porém, as publicações atuais envolvendo agentes utilizam estas mesmas arquiteturas ou extensões. Os agentes reativos escolhem definem uma ação (resposta) relacionada com a ocorrência de estímulos (eventos) que ele percebe no ambiente ou na interação com outros agentes. As decisões são baseadas em um conjunto de informações limitadas e com regras simples de ação. Estas arquiteturas também podem ser denominadas como baseadas em comportamento, situado ou reativo.

Os agentes cognitivos ou deliberativos possuem um processo explícito para escolha da ação a ser realizada. Nestas arquiteturas, os agentes possuem uma representação interna de seu mundo, e há um estado mental explícito que pode ser modificado por alguma forma de raciocínio simbólico. As arquiteturas cognitivas são baseadas na arquitetura Belief-Desire-Intention (BDI) ou em extensões dela. Esta arquitetura é composta por i) Crenças (Belief), que representa as informações que o agente possui do ambiente, ii) Desejo (Desire), que representa o estado de motivação do agente e iii) Deliberação (Intention) que representa a ação do agente no ambiente.

Segundo Wooldridge (1996) as informações que o agente possui do ambiente (Belief) podem ser incompletas ou incorretas. Já os desejos (Desire) são as tarefas ou objetivos que foram atribuídas ao agente. A arquitetura BDI parte do pressuposto que nem todos os desejos os agentes são capazes de cumprir. Desta forma, as intenções (Intention) representam os desejos que o agente se comprometeu a atingir mobilizando e executando ações e recursos. Por fim, a estrutura final da arquitetura BDI é uma biblioteca de planos, que contém um conjunto de planos específicos para cada curso de ação que um agente pode seguir para alcançar suas intenções. Segundo o autor, uma biblioteca de planos de um agente representa:

“conhecimento procedimental, ou know-how. Um plano contém duas partes: um corpo ou programa, que define um curso de ação; e um descritor, que afirma ambas as circunstâncias em que o plano podem ser usados (pré-condição), e quais as intenções que o plano pode ser usado para atingir os objetivos (pós-condição)” (WOOLDRIDGE, 1996 p. 2, tradução nossa).

O Interpretador é responsável por atualizar as crenças a partir de informações detectadas no ambiente, gerando novos desejos (tarefas). Dessa díade, o interpretador seleciona uma ação a ser executada com base nas intenções atuais e conhecimento procedural do agente. Na Figura 2-11 é ilustrada a estrutura lógica da arquitetura BDI.

Figura 2-11: Estrutura lógica da arquitetura BDI Fonte: Wooldridge (1996)

Com base nos referenciais conceituais apresentados acima, as arquiteturas utilizadas nos artigos classificados na RBS foram qualificadas com os seguintes critérios:

 Quanto a orientação do estudo;

 Quanto a natureza do comportamento dos agentes;

 _{Quanto à existência de estado interno explícito dos agentes.} A orientação do estudo possui o objetivo de identificar os trabalhos que apresentaram aplicações de SBA com orientação para prática em um sistema real, existente ou em desenvolvimento (projeto), ou orientação para um sistema teórico- abstrato (ou de laboratório).

Já o critério da natureza do comportamento dos agentes visa identificar os pressupostos para criação das regras de comportamento dos agentes no sistema. Os resultados da RBS mostram que existem diversas lógicas para definição das regras de comportamento e interação dos agentes. Cada autor utilizou um conjunto de regras criadas específicas para aplicação no modelo. Analisando os artigos classificados na busca é possível classificar as regras em 3 categorias:

i) Regras baseadas em modelos teóricos existentes na literatura: o Algoritmos de sequenciamento da produção;

o Modelos de comportamento de consumidores; o Modelos probabilísticos teóricos.

o Regras lógicas de funcionamento do sistema; o Transcrição de fluxogramas e mapas de processo. iii) Regras baseadas em informações empíricas:

o Pesquisa de campo com coleta de comportamentos observados;

Os artigos também foram classificados conforme sua orientação para prática. Esta classificação indica se o modelo construído possui fundamento para um sistema real e existente, ou para um modelo teórico abstrato. Por fim, foram analisadas se as arquiteturas utilizadas possuem estado interno explícito dos agentes, ou seja, se permite identificar as regras individuais de cada agente e como são definidas as ações dele no ambiente (planos de atuação, estruturas condicionais, atualizações de estado, entre outros). Um resumo desta classificação é apresentado no Quadro 2-6.

Orientação para

prática Princípios metodológicos da arquitetura Características das regras Autores

Abstrato

Modelos teóricos

Comportamento de consumidores Negahban e Nall (2014) Regras de fornecimento do Beer Game North e Macal (2009) Equações matemáticas para definição de tamanhos de lote de

reposição Ponte et al (2016)

Algoritmo de sequenciamento da produção Savino, Mazza e Neubert (2013) Pesquisa de campo Arquitetura dos agentes baseado na lógica BDI e validação do _{comportamento dos agentes por usuários reais} Anand et al (2016)

Regras Ad hoc

Regras gerais de funcionamento que permitem o sistema rodar na

lógica desejada Cicirelli, Furfaro e Nigro (2011) Diagramas de sequência, mostrando a comunicação/negociação entre

os agentes. Komma, Jain e Metha (2007)

Transcrição de mapas de processo Ruiz et al (2014)

Real

Modelos teóricos Modelo probabilístico teórico Rouzafzoon e Helo (2016)

Pesquisa de campo

Pesquisa para descobrir as políticas da empresa Nilsson e Darley (2006) Identificação de comportamentos de consumidores Siebers e Aickelin (2011) Identificação de comportamentos de consumidores Siebers et al (2011)

Regras Ad hoc

Políticas de gestão de movimentação de materiais Garro e Russo (2010) Regras lógicas de funcionamento do sistema Grobarcikova e Sosedova (2016) Estados dos agentes que mudam a capacidade de gruas, conforme o

nível de utilização. Lättilä (2011)

Fluxograma sequencial com regras de decisão e equações

matemáticas Sun et al (2016)

Transcrição de mapas de processo Yu et al (2012)

A análise dos artigos indica que a maioria das arquiteturas foi construída utilizando-se regras ad hoc, logicamente encadeadas para viabilizar a modelagem do sistema, real ou abstrato. É importante observar que os mapas de processo, fluxogramas e políticas de gestão não são considerados como pesquisas de campo, por representarem uma orientação normativa e prescritiva do sistema. A pesquisa de campo foi realizada em somente 4 artigos dos 17 selecionados.

A pesquisa de Nilsson e Darley (2006) mostra o desenvolvimento um modelo para simular o sistema produtivo de uma empresa de embalagens. Os autores relatam o discurso dos representantes da empresa para necessidade de possuírem um sistema produtivo flexível, para lidar com alto mix de produtos. Para construção do modelo foram realizadas entrevistas e workshops para levantar as regras de comportamento e interações envolvidas entre os agentes

Siebers e Aickelin (2011) e Siebers et. al (2011) desenvolveram um modelo híbrido para simular o processo de atendimento a clientes em lojas de departamento, inserindo comportamento proativo nos funcionários modelados como entidades-agentes. O objetivo era avaliar se esta abordagem de modelagem com agentes permite uma melhorar representação da dinâmica do sistema real, atribuindo maior credibilidade ao modelo. A construção do modelo envolveu coleta de dados através de observação participante, entrevistas semi-estruturadas com gerentes e funcionários e análise de relatórios. Estes dados foram validados com funcionários que possuíam experiência e conhecimento sobre os quatro departamentos abordados no estudo. Foram realizados dois tipos de coleta de dados. Primeiramente, foram coletados dados sobre o processo: quantidade de funcionários, tamanho de filas e tipos de clientes. Em seguida os dados sobre comportamento das pessoas: diferentes estados que os clientes e funcionários podem assumir e o tempo associado com cada estado dos funcionários.

Anand et. al (2016) desenvolveram uma estrutura conceitual (framework) para validar o comportamento dos agentes (Figura 2-12). Os autores argumentam que um agente é construído para realizar uma ação em determinada situação, conforme um conjunto de regras que regem seu estado interno. Os agentes são modelos seguindo a arquitetura Belief-Desire- Intention (BDI). Esta arquitetura, apesentada por Rao e Georgeff (1995), é composta por Crenças (Belief), que representa as informações que o agente possui do ambiente, Desejo (Desire), que representa o estado de motivação do agente e Deliberação (Intention) que representa a ação do agente no ambiente.

Para validar o comportamento dos agentes, Anand et. al (2016) criaram um jogo para que um usuário do sistema (stakeholder) possa interagir com o modelo e permitir a coleta de informações sobre a escolha e validar os agentes.

Figura 2-12: Arquitetura baseada em lógica BDI e validação por atores sociais Fonte: Anand et. al (2016)

Para testar esta estrutura, foi criado um modelo abstrato para simular a logística de movimentação de mercadorias em uma cidade.